bp神经网络去预测误差的误差很大

已知存在一公式：Y=F（A,B,C,D,E,F）
Y1为公式计算出来的理论值，Y2为Y在现实生活中的实测值
数据表如下：

构建了一个bp神经网络模型去预测Y的值，A,B,C,D,E,F为输入参数，Y2实测值为输出参数。训练的结果很好，误差很小，回归值（绝对系数）接近于1。
但是将输出参数改为W=Y2-Y1（实测值与理论值的误差）之后，也就是构建一个bp神经网络去预测W（误差）的值时，此时训练结果很不好，误差很大（超过1），回归值只有0.4~0.6左右。（超参数都调过了，不管怎么调，结果都很差）

想问问这是什么原因造成的或者应该通过什么办法去减小误差，提高回归值呢？

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7723451

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^